ElevenLabs

ElevenLabs es una empresa de IA centrada en la voz, conocida sobre todo por su texto a voz realista y clonación de voz. Más allá del TTS, ahora abarca audiolibros, generación de música y agentes de voz, lo que la convierte en una de las pilas de audio más completas disponibles para desarrolladores y creadores.

Los modelos principales de texto a voz son Eleven v4 y Eleven v4 Turbo, lanzados el 28 de septiembre de 2026, con soporte para más de 90 idiomas en ElevenAgents, ElevenCreative y ElevenAPI; v4 Turbo es la variante de baja latencia diseñada para agentes de voz, con una latencia de inferencia media de alrededor de 100 ms y un tiempo medio hasta el primer habla de aproximadamente 150 ms a través de WebSocket. El anterior Eleven v3, que alcanzó disponibilidad general en febrero de 2026, sigue disponible pero ha sido reemplazado por v4 para la mayoría de los casos de uso. El 20 de octubre de 2026, ElevenLabs añadió Eleven Realtime, un par de modelos dedicados de agente de voz de habla a habla: Eleven Realtime v1 Mini, la opción predeterminada para menor latencia y costo, y v1 Max, que razona antes de responder. Ambos son compatibles con la OpenAI Realtime API, solo funcionan mediante WebSocket, están disponibles a través de ElevenAgents o de una API Realtime independiente, y admiten más de 90 idiomas además de una biblioteca de más de 17.000 voces. Los benchmarks del proveedor sitúan el tiempo hasta el primer audio en aproximadamente 0,57 segundos para Max y 0,62 segundos para Mini, con puntuaciones de Big Bench Audio de 98,8% y 75,9% respectivamente.

Las capacidades principales incluyen TTS multilingüe de alta calidad, clonación de voz instantánea a partir de unos 10 segundos de audio, clonación de voz profesional de calidad de estudio, agentes conversacionales en tiempo real basados en Eleven Realtime o Eleven v4 Turbo, generación de música y una API con sus propios niveles de suscripción para uso en producción. Mini no está disponible bajo el Modo de Retención Cero ni con cumplimiento HIPAA, y Max no se ofrece con residencia de datos en India o Singapur.

Existe un plan gratuito con 10.000 créditos al mes y sin licencia comercial, que cubre TTS, voz a texto, efectos de sonido, diseño de voz, música y generación de imágenes. Los niveles de pago se facturan de forma mensual o anual (la facturación anual ofrece dos meses gratis): Starter cuesta 6 $/mes (5 $/mes con facturación anual, 30.000 créditos), actualmente con descuento a 1 $ el primer mes hasta el 1 de noviembre; Creator cuesta 22 $/mes (18,33 $/mes con facturación anual, 121.000 créditos), con una promoción de 11 $ el primer mes; Pro cuesta 99 $/mes (82,50 $/mes con facturación anual, 600.000 créditos); Scale cuesta 299 $/mes (249,17 $/mes con facturación anual, 1,8 millones de créditos, 3 puestos); y Business cuesta 990 $/mes (825 $/mes con facturación anual, 6 millones de créditos, 10 puestos). También hay precios Enterprise personalizados disponibles. La API Eleven Realtime, independiente, se factura a 0,080 $ por minuto de audio conectado para ambos modelos (tarifa de exceso de 0,160 $/min por encima del límite de concurrencia), más costos de tokens de 0,20 $ por millón de tokens de entrada y 6,00 $ por millón de tokens de salida para Mini, o 1,80 $ por millón de entrada y 9,00 $ por millón de salida para Max.

Las principales limitaciones son el uso basado en créditos, que puede agotarse rápidamente en trabajos de mayor volumen, la ausencia de derechos comerciales en el plan gratuito, y costos que aumentan con rapidez cuando se necesitan muchas horas de audio o varios puestos. El precio promocional del primer mes en Starter y Creator vuelve a la tarifa mensual estándar después, y la clonación de voz plantea problemas de consentimiento y uso indebido que el usuario debe gestionar por su cuenta.

ElevenLabs es adecuado para creadores, estudios y desarrolladores que necesitan voces de sonido natural en muchos idiomas, equipos que construyen agentes de voz, y cualquiera que produzca audiolibros o narraciones a gran escala.